基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法技术

本发明专利技术涉及物联领域，具体涉及一种方法简单、预测准确的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法。基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，包括以下步骤：a、在MATLAB中建立管件冲蚀预测模型；b、管件冲蚀速率预测神经网络模型的训练；c、管件冲蚀速率预测模型预测结果的检验；d、GUI界面的编制；e、管件剩余寿命的预测。本发明专利技术的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，首先在MATLAB中建立管件冲蚀预测模型；然后进行管件冲蚀速率预测神经网络模型的训练；接着进行管件冲蚀速率预测模型预测结果的检验；然后GUI界面的编制；最后获得管件剩余寿命的预测结果，具有方法简单、预测方便准确的特点。

【技术实现步骤摘要】
基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法
本专利技术涉及物联领域，具体涉及一种方法简单、预测准确的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法。
技术介绍
造成管件冲蚀的因素有很多，包括累计运行时间、施工的压力、总液量、总砂量以及施工方式等等。各个因素不是独立存在的，而是共同作用造成管件不同程度的冲蚀。因此，在分析管件冲蚀情况时，需要综合考虑上述各因素之间的关联，并在此基础上对管件冲蚀进行准确的预测。目前管件冲蚀的预测法一般有以下三类。(1)以管件管体力学、冲蚀机理与载荷性质为基础的管件评价预测评估方法；(2)根据管件服役期检测得到的冲蚀数据，以现有冲蚀数据为基础建立的冲蚀预测模型；(3)以应用系统故障树分析和人工神经网络为基础的预测评估法。上述方法存在局限性，在对管件冲蚀预测中具有较多偏差、预测不准确，影响了施工作业的准确判断。
技术实现思路
针对现有技术中的缺陷，本专利技术提供一种方法简单、预测准确的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法。本专利技术解决上述问题所采取的方案是：基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，包括以下步骤：a、在MATLAB中建立管件冲蚀预测模型；b、管件冲蚀速率预测神经网络模型的训练；c、管件冲蚀速率预测模型预测结果的检验；d、GUI界面的编制；e、管件剩余寿命的预测。进一步地，为了更好的实现本专利技术，在所述的步骤a中，在建立管件冲蚀预测模型时，对非数值型数据进行处理，这些数据包括生产厂家、管件的规格型号。进一步地，为了更好的实现本专利技术，根据模型输出参量的不同，分为一个输出的模型和多个输出的模型。进一步地，为了更好的实现本专利技术，所述的步骤b中，分别对每种管件建立一个预测模型，训练过程中BP神经网络的输出与实际输出之间的误差逐渐减小，直到达到最小误差。进一步地，为了更好的实现本专利技术，所述的步骤c中，定义误差计算公式如下：用模型对新数据进行预测。进一步地，为了更好的实现本专利技术，所述的步骤d中，GUI界面的编制以基本的MATLAB程序设计为主设计编制GUI界面。进一步地，为了更好的实现本专利技术，所述的GUI界面使用方法为:(1)将含有BP神经网络训练数据的“Finally”EXCEL文件夹独立放置于磁盘；(2)在运行界面选择需要预测的管件；(3)点击“训练”按钮开始训练BP神经网络预测模型；当模型训练完毕，即预测模型建立完毕，点击“训练”按钮再次进行训练，直到获得需要的预测模型后，停止训练；(4)输入想要预测管件的累计运行时长、管件最高施工压力、管件平均压力、总液量、总砂量、总酸量、管件的规格、设备编号、加砂时间、酸化时间、生产厂家；(5)点击“预测”按钮进行计算并将结果显示于界面上。将含有BP神经网络训练数据的“Finally”EXCEL文件夹独立放置于C盘，使之名称不可更改。进一步地，为了更好的实现本专利技术，所述的步骤e中，使用训练好的管件模型，输入各输入参量，其中设输入的管件累计运行时间为y1，预测出该时间点管件的壁厚h1，之后更改时间为y2，预测出一个壁厚h2；那么便能得到管件冲蚀的速率：式中v—管件冲蚀速率，m/s；进一步地，为了更好的实现本专利技术，计算管件要求最小壁厚tmin，首先确定环向要求最小壁厚和轴向最小壁厚的值，选择他们中较大的一个作为管道要求最小壁厚；式中P—管道设计压力，MPa；D—管道外径，m；σs—管材的最小屈服强度，MPa；F—强度设计系数，取0.8；φ—焊缝系数，取1.0；β—2倍的泊松比；这样得到管件的允许最小壁厚后，就能预测管件的剩余寿命；ys式中为管件剩余寿命，h；tx为管件当前壁厚，m。本专利技术的有益效果体现在：本专利技术的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，首先在MATLAB中建立管件冲蚀预测模型；然后进行管件冲蚀速率预测神经网络模型的训练；接着进行管件冲蚀速率预测模型预测结果的检验；然后GUI界面的编制；最后获得管件剩余寿命的预测结果，具有方法简单、预测方便准确的特点。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1为本专利技术的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法的一种流程框图。具体实施方式下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限制本专利技术的保护范围。需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当为本专利技术所属领域技术人员所理解的通常意义。实施例1：如图1所示，本专利技术的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，包括以下步骤：a、在MATLAB中建立管件冲蚀预测模型；b、管件冲蚀速率预测神经网络模型的训练；c、管件冲蚀速率预测模型预测结果的检验；d、GUI界面的编制；e、管件剩余寿命的预测。本专利技术的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，首先在MATLAB中建立管件冲蚀预测模型；然后进行管件冲蚀速率预测神经网络模型的训练；接着进行管件冲蚀速率预测模型预测结果的检验；然后GUI界面的编制；最后获得管件剩余寿命的预测结果，具有方法简单、预测方便准确的特点。实施例2：本实施例在上述实施例的基础上做进一步优化，在所述的步骤a中，在建立管件冲蚀预测模型时，对非数值型数据进行处理，这些数据包括生产厂家、管件的规格型号。具体处理规则如下：生产厂家：生产厂家为FMC则输入数字1；生产厂家为SJ则输入数字2；生产厂家为SPM则输入数字3；生产厂家为内江宏生则输入数字4；生产厂家为HLBT则输入数字5。规格型号：对于规格数字这一栏，除了下面A、B的特殊情况外，一律根据管件的规格选择填入1502或者2002，管件规格的其余参数不用管。(若是管件规格型号中写的1505那么也填1502)(A)如果所选管件为井口法兰，则按以下来操作：根据规格填入105或者140。(B)如果所选管件为旋塞阀，则按以下操作：规格中出现了×1.75或者2002×2.75的情况一律填1.75；其余情况请填2.75。实施例3：本实施例在上述实施例的基础上做进一步优化，根据模型输出参量的不本文档来自技高网...

【技术保护点】
1.基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于包括以下步骤：/na、在MATLAB中建立管件冲蚀预测模型；/nb、管件冲蚀速率预测神经网络模型的训练；/nc、管件冲蚀速率预测模型预测结果的检验；/nd、GUI界面的编制；/ne、管件剩余寿命的预测。/n

【技术特征摘要】
1.基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于包括以下步骤：
a、在MATLAB中建立管件冲蚀预测模型；
b、管件冲蚀速率预测神经网络模型的训练；
c、管件冲蚀速率预测模型预测结果的检验；
d、GUI界面的编制；
e、管件剩余寿命的预测。


2.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：在所述的步骤a中，在建立管件冲蚀预测模型时，对非数值型数据进行处理，这些数据包括生产厂家、管件的规格型号。


3.根据权利要求2所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：根据模型输出参量的不同，分为一个输出的模型和多个输出的模型。


4.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的步骤b中，分别对每种管件建立一个预测模型，训练过程中BP神经网络的输出与实际输出之间的误差逐渐减小，直到达到最小误差。


5.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的步骤c中，定义误差计算公式如下：

用模型对新数据进行预测。


6.根据权利要求1所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的步骤d中，GUI界面的编制以基本的MATLAB程序设计为主设计编制GUI界面。


7.根据权利要求6所述的基于MATLAB工具箱的BP神经网络实现管件冲蚀缺陷的预测方法，其特征在于：所述的GUI界面使用方法为:
(1)将含有BP神经网络训练数据的“Finally”EXCEL文件夹独立放置于磁盘；
(2)在运行界面选择需要...

【专利技术属性】
技术研发人员：杨典，
申请(专利权)人：成都鹦鹉螺大数据科技有限公司，
类型：发明
国别省市：四川;51